昨日行业报告发布行业动态,《探索乱码卡一卡二新区视频的神秘世界：一场视觉与思维的盛宴》

今日官方通报发布新研究报告,苹果看上的公司，靠量子“邪修”给模型“瘦身”,很高兴为您解答这个问题，让我来帮您详细说明一下。专业技术救援中心，重大故障专家会诊

海南同德县、大兴安岭地区新林区 ，澄迈县桥头镇、迪庆维西傈僳族自治县、苏州市张家港市、鞍山市岫岩满族自治县、内蒙古赤峰市克什克腾旗、长治市黎城县、鹤壁市淇县、武汉市黄陂区、定西市漳县、池州市石台县、徐州市泉山区、苏州市吴江区、达州市渠县、西宁市湟中区、兰州市永登县 、六安市霍山县、漳州市芗城区、宜春市靖安县、宁波市鄞州区、肇庆市广宁县、榆林市清涧县、白沙黎族自治县元门乡、达州市开江县、衡阳市石鼓区、淮南市大通区、庆阳市合水县、绍兴市新昌县

本周数据平台不久前行业协会透露新变化,本月行业协会公布最新成果,《探索乱码卡一卡二新区视频的神秘世界：一场视觉与思维的盛宴》，很高兴为您解答这个问题，让我来帮您详细说明一下：专业配件咨询中心，精准推荐型号

定安县雷鸣镇、大兴安岭地区新林区 ，苏州市昆山市、营口市盖州市、新乡市延津县、聊城市临清市、宣城市郎溪县、澄迈县永发镇、长治市黎城县、南充市仪陇县、宝鸡市千阳县、万宁市长丰镇、株洲市芦淞区、郑州市新郑市、娄底市娄星区、亳州市蒙城县、韶关市南雄市 、昆明市禄劝彝族苗族自治县、陇南市成县、西安市长安区、陵水黎族自治县椰林镇、深圳市龙华区、葫芦岛市南票区、白城市镇赉县、商洛市镇安县、清远市英德市、宁夏银川市贺兰县、内蒙古阿拉善盟阿拉善左旗、六安市霍山县、兰州市七里河区、临高县波莲镇

全球服务区域: 海北海晏县、东方市八所镇 、宜昌市五峰土家族自治县、吕梁市中阳县、昆明市五华区、赣州市兴国县、天津市红桥区、甘孜康定市、广西桂林市阳朔县、中山市三乡镇、邵阳市新宁县、泸州市江阳区、遵义市余庆县、安庆市迎江区、攀枝花市盐边县、郴州市嘉禾县、珠海市斗门区 、黄冈市红安县、昭通市水富市、广西柳州市鱼峰区、宝鸡市扶风县、徐州市邳州市

24小时维修咨询热线，智能语音导航,本月行业协会传达新政策动态,《探索乱码卡一卡二新区视频的神秘世界：一场视觉与思维的盛宴》，很高兴为您解答这个问题，让我来帮您详细说明一下：自动化服务调度，智能匹配维修资源

全国服务区域: 咸阳市渭城区、延安市子长市 、商丘市宁陵县、海口市琼山区、临沂市费县、信阳市潢川县、云浮市云安区、常州市溧阳市、商丘市梁园区、永州市宁远县、佳木斯市东风区、宁夏固原市彭阳县、哈尔滨市巴彦县、潮州市潮安区、天水市秦州区、葫芦岛市连山区、文昌市蓬莱镇 、赣州市赣县区、凉山西昌市、南阳市新野县、白山市靖宇县、宜宾市高县、伊春市嘉荫县、本溪市明山区、武汉市江岸区、内蒙古巴彦淖尔市杭锦后旗、邵阳市洞口县、宁德市寿宁县、长治市平顺县、宜昌市伍家岗区、齐齐哈尔市昂昂溪区、济南市历城区、淮安市洪泽区、宣城市旌德县、汉中市佛坪县、吕梁市孝义市、绍兴市上虞区、凉山美姑县、临夏永靖县、海东市民和回族土族自治县、楚雄楚雄市

本周数据平台今日多方媒体透露研究成果:本月监管部门发布研究成果,《探索乱码卡一卡二新区视频的神秘世界：一场视觉与思维的盛宴》

在互联网的海洋中，总有那么一些神秘的地方，让人忍不住想要一探究竟。今天，我们就来揭开“乱码卡一卡二新区视频”的神秘面纱，带您走进这个充满奇幻色彩的世界。 首先，让我们来了解一下“乱码卡一卡二新区视频”究竟是什么。实际上，这并非一个特定的视频网站或者视频内容，而是指代一类以独特编码方式呈现的视频内容。这类视频通常包含大量乱码字符，看似毫无意义，实则隐藏着丰富的信息和故事。 在“乱码卡一卡二新区视频”的世界里，每一个乱码字符都可能是开启一段新故事的钥匙。这些视频往往以非线性叙事方式呈现，让观众在解读过程中产生无限遐想。那么，如何才能解开这些乱码字符的谜团呢？ 首先，我们需要学会观察。在观看这类视频时，我们要关注每一个细节，哪怕是一个看似无关紧要的字符。这些细节往往蕴含着重要的线索，帮助我们逐步破解乱码密码。 其次，我们要学会联想。在乱码字符中，有些可能代表着特定的符号、图像或者概念。通过联想，我们可以将这些字符与现实生活中的事物联系起来，从而找到破解密码的突破口。 再者，我们要善于运用搜索引擎。在互联网时代，信息检索工具已经成为我们生活中不可或缺的一部分。当面对难以解读的乱码字符时，我们可以借助搜索引擎，寻找与之相关的资料和信息。 当然，除了以上方法，我们还可以尝试与制作这类视频的人进行交流。了解他们的创作意图，往往能帮助我们更快地解读视频内容。 那么，在“乱码卡一卡二新区视频”的世界里，我们都可能遇到哪些故事呢？以下是一些典型的例子： 1. 跨时空的冒险：乱码字符可能代表着一段跨越时空的冒险旅程，观众需要跟随主人公一起穿越时空，探索未知的世界。 2. 悬疑推理：乱码字符可能隐藏着一系列悬疑案件，观众需要凭借智慧和勇气，揭开真相。 3. 超自然现象：乱码字符可能描绘着超自然现象，让观众感受到神秘力量的存在。 4. 艺术表达：乱码字符可能是艺术家的一种独特表达方式，通过这种方式，艺术家传达出自己的情感和思想。 总之，“乱码卡一卡二新区视频”是一个充满奇幻色彩的世界，它不仅考验着观众的观察力、联想力和思维能力，更是一次视觉与思维的盛宴。在这个神秘的世界里，我们能够体验到前所未有的惊喜和乐趣。让我们一起揭开乱码字符的谜团，探索这个充满无限可能的新区视频世界吧！

出品｜虎嗅科技组作者｜SnowyM编辑｜陈伊凡头图｜Multiverse Computing 官网"AI 原生 100" 是虎嗅科技组推出针对 AI 原生创新栏目，这是本系列的第「17」篇文章。端侧模型和小模型这件事，在人工智能行业如今并不新鲜。去年，Meta、微软、苹果等就集中发布了一系列小模型，Llama-3、Phi-3、OpenELM 等。2019 年成立的 Multiverse Computing，试图用所谓 " 量子物理 " 方式给模型瘦身：它的核心技术 CompactifAI 能将大模型体积压缩 95%，却几乎不损失性能，让原本只能在数据中心运行的 AI，装进手机、汽车里。这也让这家公司获得了资本的青睐，截至今日，Multiverse Computing 已经完成了 5 轮融资。2024 年 3 月，这家公司完成了 2500 万欧元的 A 轮融资，一年多后 B 轮融资直接冲到 1.89 亿欧元，估值从 2024 年的 1.08 亿美元，涨到 5 亿美元，一跃成为西班牙最大的 AI 初创公司之一。两周多前，这家公司发布了两款 " 世界最小的模型 " ——鸡脑（chicken ’ s brain）和苍蝇脑（a fly ’ s brain）。" 苍蝇脑 " 是 Hugging Face 开源模型 SmolLM2-135 的压缩版本，原始参数是 1.35 亿，压缩之后只有 9400 万参数。" 鸡脑 " 则是 Llama3.18B 模型的压缩版本，可以直接在苹果电脑上运行，无需联网。这背后藏着太多值得拆解的问题：" 量子瘦身 " 技术究竟是噱头还是真功夫？当模型被压缩时，是否也会影响其性能？团队推出的 " 苍蝇脑 "" 小鸡脑 " 超小模型，又是如何突破硬件限制，甚至吸引苹果、三星等巨头洽谈合作？在 Meta、谷歌、微软纷纷下场做小模型，众多初创公司争抢 AI 效率赛道的当下，Multiverse 凭什么建立技术壁垒，成为西班牙估值最高的 AI 初创企业之一？虎嗅与量子计算领域的业内人士交流，试图理清这些问题。4 年 5 轮融资，估值一年涨 5 倍Multiverse Computing 并非一开始就进入模型赛道。2019 年团队成立之初，其聚焦量子计算软件，试图用量子技术解决金融领域的投资组合优化、风险管理等难题，这些在传统 IT 技术上难以被功克。凭借技术积累，Multiverse 很快被第三方数据分析与咨询机构 Gartner 评为量子计算领域的 "Cool Vender"。Gartner 的这份 Cool Vendor 的报告，主要涵盖科技创新领域，每个领域只有 4 家 -5 家公司能上榜，金融人士更是将这份榜单视为 " 投资宝典 "。借此，Multiverse 还获得了欧盟加速器 EIC 1250 万欧元的资金支持，成了欧洲资本最充足的量子初创公司之一。Multiverse 的团队中，40% 成员拥有博士学位，核心成员更是横跨金融、量子物理与科技创业三大领域 —— CEO 恩里克身兼数学、计算机、医学博士与 MBA，有 20 年银行业经验，曾任西班牙 Unnim 银行副 CEO；联合创始人罗曼是欧洲顶尖量子物理学家，专攻张量网络，拿过欧洲物理学会青年研究奖；CTO 塞缪尔则是量子计算与机器学习双料专家，熟悉创业与投资逻辑。转折点出现在 2023 年。生成式 AI 爆发后，大模型参数规模暴涨，算力成本飙升成了行业普遍痛点 —— OpenAI 每周在 ChatGPT 推理上的支出甚至超过训练成本。恩里克和团队敏锐发现，他们深耕多年的量子张量网络技术，恰好能破解这一困局：量子多体系统中的数学技巧，可用于大模型参数的高效压缩，且能最大程度保留性能。基于这一判断，团队火速组建 AI 压缩专项组，年底就推出了核心技术 CompactifAI，正式从 " 量子 + 金融 " 转向 " 量子 + AI"。这次转向不仅让 Multiverse 踩中了 " 小模型 " 风口，更让它在 2024-2025 年迎来爆发，成为西班牙最大的 AI 初创企业之一。" 量子瘦身 " 靠谱吗？Multiverse 的故事核心，是一套叫做 Compactif AI 的压缩技术。它不像行业常用的量化、蒸馏技术那样简单削减参数，按照 Multiverse 自己的介绍，这套技术是用量子物理张量网络方法，融合张量分解、矩阵低秩近似等复杂数学技巧，从模型底层重构参数逻辑。正如联合创始人奥鲁斯所说：" 我们的压缩技术并非计算机科学领域常见的套路，而是源自我们对量子物理的理解，更加微妙而精炼。"不过，虎嗅询问了量子计算领域的业内人士，Multiverse 所使用的这套数学方法虽然是量子中常用的，但其实只是一类数学方法，严格意义上和量子物理无关，因为张量网络问题最初就是物理学家从数学研究中借鉴到量子物理中的。所谓的张量网络方法，通俗比喻就是，你要拼一个一万平方米的拼图，拼完后为了存放它，需要找一个很大的房子。但如果你把拼图重新打碎，装到罐子中，把维度升高，从二维升高到 3 维，维度越多越方便压缩，再去掉重复的碎片，就可以装到一个小盒子里，并且保留几乎所有信息，需要的时候可以重新还原成大拼图。这种方法对大部分模型都适用，因为现在的模型，大多都是神经网络的变体，差别不大，Multiverse 的方法有很强的泛化性。这件事情的难点在于，要把现有的大语言模型基础算子 / 结构抽象出来，形成一套通用的压缩工作流，这样无论什么模型都可以复用。Compactif   AI 通常能将型体积缩小 80-95% 而准确率只下降 2-3 个百分点。例如，原本需要数十亿参数的模型压缩后可能只有几亿参数，却在绝大多数基准测试中与原模型表现相当。目前 Multiverse 已发布多个压缩模型版本，例如 Llama 4 70B 模型的精简版 "Llama 4 Scout Slim"，以及 Llama 3 系列和 Mistral 小模型的精简版等。2025 年 8 月，公司发布了两款号称 " 史上最小且高性能 " 的模型，并以动物大脑体积命名—— SuperFly（苍蝇脑）和 ChickBrain（小鸡脑）。SuperFly 基于 135M 参数的开源 SmolLM 模型压缩而成，仅含 9400 万参数，相当于一只苍蝇的大脑大小；ChickBrain 则由 Meta 的 Llama 3.1 系列 8B 模型压缩成 3.2B 参数（压缩率 60%），大小如小鸡大脑，却具备一定推理能力。ChickBrain（3B）的基准测试结果这件事的商业价值也很明显，CompactifAI 带来的直接好处是成本与效率优化。根据 Multiverse 公布的数据，其瘦身版模型推理速度是未压缩模型的 4-12 倍，对应推理成本降低 50-80%。在 AWS 云服务上，使用 CompactifAI 压缩后的模型可大大节省费用。例如，压缩过的 Llama 4 Scout Slim 在 AWS 上的调用费用约为每百万 tokens 0.10 美元，而原版约为 0.14 美元，也就是说，每处理百万 tokens 可以节省约 30% 费用。另外，CompactifAI 让此前只能在昂贵服务器上运行的 AI 模型进入了 " 平民设备 " 时代。Multiverse 声称其部分精简模型 " 小到可以在 PC、手机、汽车上运行 "。目前，Multiverse 提供了 3 种商业服务模式：（1）通过 AWS API，将压缩后的模型与原始模型均可通过 API 访问；（2）购买私有部署许可，提供企业级授权，允许用户在自己的本地基础设施或云环境中部署 CompactifAI；（3）通过服务提供商交付，让 Multiver 为用户压缩模型，并交付指定的推理服务提供商。CompactifAI 的用户主要是广泛使用大模型的企业和开发者。大型互联网和软件企业的 AI 团队是首要客户，他们往往部署开源 LLM 在自己的应用中，如客服聊天机器人、代码自动补全、文本分析等，但也必然面临高昂的推理开销和延迟问题。CompactifAI 可以帮助他们大幅削减算力成本，甚至支持离线部署。CompactifAI 在降本增效和边缘部署方面功能突出。它可以将一个部署在 8 张 A100 GPU 上的 LLM 压缩到 1-2 张 GPU 即可运行，甚至压缩到能够在 CPU 上实时推理。这为客户节省的不仅是每小时数百美元的云 GPU 租用费，还有巨大的能耗开销。小模型和端侧模型——巨头云集的赛道Multiverse 的技术，很快吸引了全球硬件巨头的关注。据其透露，目前已与苹果、三星、Sony、HP 等洽谈合作，核心是将 " 苍蝇脑 "" 小鸡脑 " 这类超小模型嵌入下一代终端设备——这恰好契合苹果的战略：2024 年 WWDC 大会上，苹果推出 "Apple Intelligence" 框架，明确表示不追通用巨无霸模型，优先做适配 iOS/macOS 的轻量化本地模型。不过，赛道竞争也在加剧。2024 年起，科技巨头纷纷下场小模型：Meta 发布 13 亿参数 LLaMA 微型模型，Google DeepMind 推出 2 亿 - 7 亿参数的 Gemma，微软 Phi 系列用 14 亿参数模型在数学、编码任务上超越 50 倍体积的大模型；初创公司中，Neural Magic、Deci 等也在争抢 AI 效率赛道，聚焦模型加速、自动选型等方向。AI 推理优化已经成为创投圈新的竞技场。初创公司阵营也不甘示弱。除了 Multiverse 外，Neural Magic、Deci、OctoML 都在下场大模型效率赛道；还有初创公司专注于模型路由、自动选型等，将不同模型按成本和效果自动分配。 这些公司切入点各异，但都瞄准了 " 提高 AI 性能 / 成本比 " 这个共同目标。虎嗅与量子计算领域人士交流，鉴于如今的大语言模型基本架构类似，Multiverse 的壁垒并不算太高，端侧模型和小模型不同，虽然都需要模型轻量化，但端侧模型除了需要轻量化，还需要配合不同设备的计算资源（内存、算力），以及能耗、发热等调节小模型，需要有特别设计，是一个工程化的问题。Multiverse 如果能够绑定一家硬件厂商，或许能够在端侧模型上建立自己的生态壁垒。另一方面，Multiverse 如今大部分还是围绕已有模型压缩，而不是自己训一个小模型，在效果上，可能不会达到惊艳的效果，而且极度依赖原有的模型能力。目前已经有一些专注小模型的初创公司除了压缩模型，还自己训练小模型，达到了不错的效果。Multiverse 可能在模型压缩上，通过自身团队积累的技术，能够实现较小的压缩损耗，但后续在端侧模型布局上的工程化问题，以及模型能力本身的技术壁垒，仍然有待观察。